05 RDD编程
2021/4/18 20:55:19
本文主要是介绍05 RDD编程,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
一、词频统计:
1.读文本文件生成RDD lines
lines = sc.textFile('file:///home/hadoop/word.txt')
2.将一行一行的文本分割成单词 words flatmap(
words=lines.flatMap(lambda line:line.split()) words.collect()
3.全部转换为小写 lower()
1 words=lines.flatMap(lambda line:line.lower().split()).collect() 2 words=lines.flatMap(lambda line:line.lower().split()) 3 words.collect()
4.去掉长度小于3的单词 filter()
words.filter(lambda word : len(word)>3).collect()
5.去掉停用词
1 # 准备文本 2 lines = sc.textFile('file:///home/hadoop/stopwords.txt') 3 stop = lines.flatMap(lambda line : line.split()).collect() 4 # 去除停用词 5 words=lines.flatMap(lambda line:line.lower().split()).filter(lambda word : word not in stop) 6 words.collect()
6.转换成键值对 map()
words.map(lambda word : (word,1))
7.统计词频 reduceByKey()
words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).foreach(print)
8.按字母顺序排序 sortBy(f)
words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).sortBy(lambda word:word[0]).collect()
9.按词频排序 sortByKey()
words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).sortByKey().collect()
二、学生课程分数案例
- 共有多少学生?map(), distinct(), count()
- 开设了多少门课程?
- 每个学生选修了多少门课?map(), countByKey()
- 每门课程有多少个学生选?map(), countByValue()
- Tom选修了几门课?每门课多少分?filter(), map() RDD
- Tom选修了几门课?每门课多少分?map(),lookup() list
- Tom的成绩按分数大小排序。filter(), map(), sortBy()
- Tom的平均分。map(),lookup(),mean()
这篇关于05 RDD编程的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)